Bilgisayarlı görü'nün demiryolu operasyonlarındaki uygulamaları

Bu makalede ele alınan kavramların görsel bir anlatımı için aşağıdaki videoyu izle.

Demiryolları, kara ulaşım sistemlerinin temel bir parçasıdır. Dünya çapında 1 milyon kilometre güzergahı aşan demiryolu ağları, şehirleri, endüstrileri ve toplulukları çok geniş mesafeler boyunca birbirine bağlar. Bu sistemler genişledikçe ve talep arttıkça, güvenlik ve verimliliği sağlamak yalnızca manuel kontroller ve izlemelerden fazlasını gerektirir.

Cutting-edge solutions are becoming increasingly essential. For instance, computer vision, a branch of artificial intelligence (AI) that deals with processing visual data, is being used to streamline various railway operations.

Görü tabanlı sistemler, demiryolu operatörlerine operasyonel konularda gerçek zamanlı farkındalık sağlamak için kameralar ve Ultralytics YOLO11 gibi bilgisayarlı görü modellerini kullanır. Nesne algılama ve örnek bölütleme gibi görevler sayesinde, YOLO11 gibi modeller rayları, platformları, tünelleri ve trenlerin iç kısımlarını analiz ederek nesneleri, insanları veya tehlikeleri tespit etmek için devreye girebilir.

Birinin platform kenarına çok yakın durduğu veya raylar üzerinde bir enkazın belirdiği bir durumu düşün. Görü tabanlı yapay zeka bunu gerçek zamanlı olarak algılayıp uyarı göndererek, istasyon ekiplerinin hızlı müdahale etmesini sağlar ve olası risklerin gecikmelere veya kazalara dönüşmesini önleyebilir. Ayrıca, her an izlenmesi zor olan alanları denetleyerek personele destek olur.

Şekil 1. Tren platformunda duran insanları algılamak için YOLO11 kullanımına bir örnek.

Yapay zeka ve bilgisayarlı görünün benimsenmesi arttıkça, daha fazla şehir demiryolu operasyonlarını daha güvenli ve verimli hale getirmek için görüntü tabanlı yapay zekayı kullanmaya başlıyor. Bu makalede, demiryolu ulaşımı iş akışlarında görüntü tabanlı yapay zekanın dünya genelinde nasıl uygulandığını inceleyeceğiz. Hadi başlayalım!

Link to this sectionDemiryolu ulaşım operasyonlarında Görü tabanlı Yapay Zekanın rolü#

Demiryolu ağları, gerçek zamanlı olarak izlenmesi gereken birçok hareketli parçayı içerir. Geleneksel olarak istasyon personeli tarafından yapılan işler artık yapay zeka kullanılarak otomatikleştirilebilir. YOLO11 gibi bilgisayarlı görü modelleri, istasyon operatörlerinin demiryolu işlevlerini daha yakından takip etmelerine ve sorunlar ortaya çıktığında hızla yanıt vermelerine yardımcı olabilir.

Özellikle, bilgisayarlı görü görevleri, bu modellerin kameralardan gelen görsel girdileri kullanarak gerçekleştirmek üzere eğitilebilecekleri belirli işlevleri ifade eder. İşte demiryolu operasyonlarını izlemek için kullanılabilecek bazı temel görevler:

• Nesne algılama: Bu görev, bir görüntü veya video karesindeki belirli nesnelerin tanımlanmasını ve konumlandırılmasını içerir. Demiryolu uygulamalarında, YOLO11 gibi modeller rayların üzerinde veya yakınında bulunan enkaz, aletler, bagaj veya insanlar gibi öğeleri tespit edebilir.

• Nesne takibi: Bu, algılanan nesnelerin hareketinin birden fazla video karesi boyunca izlenmesini ifade eder. İstasyonlarda veya tren içlerinde takip, yolcu akışını izlemeye ve tren hareketlerini kontrol etmeye yardımcı olur.

• Poz kestirimi: İnsan duruşunu anlamak için ana vücut eklemlerinin konumlarının tespit edilmesini ve analiz edilmesini içerir. Demiryolu ortamlarında, platformda bayılan bir kişi gibi acil durumların belirlenmesine yardımcı olarak müdahale için uyarıları tetikleyebilir.

• Örnek bölütleme: Bir görüntüdeki her pikselin önceden tanımlanmış kategorilere sınıflandırılmasına odaklanır. Demiryolu altyapısı izlemede, çatlaklar, korozyon veya aşınma gibi özellikleri tanımlayarak rayların, platformların ve diğer yüzeylerin durumunu değerlendirmek için kullanılabilir.

Şekil 2. YOLO11 güvenlik amacıyla insanları ve trenleri algılamak ve takip etmek için kullanılabilir.

Link to this sectionDemiryolu izleme için Görü tabanlı Yapay Zeka kullanımı#

Görü tabanlı izleme genellikle güvenlik ve gözetim ile ilişkilendirilse de, demiryolu sistemleri görüntü tabanlı yapay zekayı temel güvenlik görevlerinden çok daha fazlası için kullanır. Ayrıca operasyonları iyileştirmede, güvenliği artırmada ve ağ genelinde sistem yönetimini desteklemede rol oynar.

Toplu taşımada Görü tabanlı Yapay Zeka kullanmanın temel bir avantajı, gerçek zamanlı çalışma yeteneğidir; bu, istasyon personeline olası sorunların önüne geçmeleri için zamanında ve yararlı bilgiler sağlar.

Bilgisayarlı görünün demiryollarının daha hassas ve kontrollü çalışmasına nasıl yardımcı olduğuna dair bazı gerçek dünya örneklerine bakalım.

Link to this sectionBakım görevleri için demiryolu sistemlerinde nesne algılama#

Avrupa'da demiryolu trafiği büyümeye devam ettikçe, güvenilir altyapı izleme ihtiyacı kritik hale geldi. Güvenli ve sorunsuz operasyonları kolaylaştırmak için rayların aşınma, hasar ve hizasızlık açısından düzenli olarak kontrol edilmesi gerekir. Bu, hataların maliyetli aksamalara veya kazalara yol açmasından önce erken belirtileri tespit etmek için binlerce kilometrelik rayın kontrol edilmesini içerir. Görü tabanlı yapay zeka, bu denetim sürecini otomatikleştirmek ve iyileştirmek için etkili bir yol sunar.

Şekil 3. Bilgisayarlı görü sistemleri, demiryolu raylarının kusurlu kısımlarını algılayabilir.

Örneğin, demiryolu ağının binlerce kilometre uzandığı Hollanda'da, rayları sürekli izlemek ve bakımını yapmak büyük bir iştir. Manuel denetimler hala önemli olsa da, bunlar yavaş ve emek yoğun olabilir ve genellikle hizmeti aksatır. Bunu çözmek için, ray hattı durumlarını gerçek zamanlı olarak denetlemek üzere bir bilgisayarlı görü sistemi tanıtıldı.

Hareket halindeki trenlere monte edilen kameralar, sürekli bir yüksek çözünürlüklü görüntü akışı yakalar. Bu görseller daha sonra ray hizasızlıklarını, aşınmış veya hasarlı bileşenleri ve eksik parçaları tespit etmek üzere eğitilmiş görüntü tabanlı yapay zeka modelleri tarafından analiz edilir.

Sürekli ve otomatik izleme sayesinde denetimler sadece daha hızlı değil, aynı zamanda daha doğrudur. Bakım ekipleri, dikkat gerektiren alanlara öncelik verebilir ve gereksiz kontrolleri azaltabilir. Sonuç olarak operatörler, günlük hizmeti kesintiye uğratmadan operasyonel riskleri düşürmeyi, gecikmeleri azaltmayı ve genel güvenliği artırmayı başardılar.

Link to this sectionDemiryolu altyapısında yapay zeka ile daha güvenli operasyonlar#

Büyük ölçekli demiryolu projelerinde, saha güvenliğini sağlamak en zorlu zorluklardan biridir. Bu durum, aktif çalışma alanlarının ve değişen koşulların sürekli denetim gerektirdiği Çin'deki Wuhan kentsel demiryolu ağının inşaatı sırasında özellikle geçerliydi.

Geleneksel olarak güvenlik kontrolleri, genellikle risklerin ancak bir olay meydana geldikten sonra tanımlanabildiği manuel gözleme dayanıyordu. Yanıt sürelerini iyileştirmek ve riski azaltmak için araştırmacılar, bilgisayarlı görü ile desteklenen gerçek zamanlı bir güvenlik izleme sistemi tanıttılar.

Aktiviteyi sürekli kaydetmek için şantiye alanlarına 240'tan fazla yüksek çözünürlüklü kamera yerleştirildi. Video görüntüleri, sadece bireylerin tehlikeli alanlara girişini değil, aynı zamanda yakındaki ekipmanların sabit mi yoksa hareket halinde mi olduğunu da tespit edebilen yapay zeka modelleri kullanılarak yerinde işlendi; bu, gerçek zamanlı risk değerlendirmesinde önemli bir faktördür. Güvensiz bir davranış tespit edildiğinde, sistem saha denetçilerine anında uyarı gönderebiliyordu.

Şekil 4. Bilgisayarlı görü kullanarak tehlikeleri algılama.

Link to this sectionGörü tabanlı Yapay Zeka kullanarak demiryolu gözetimine bir bakış#

Bakım ve güvenlik denetimlerini iyileştirmenin yanı sıra, bilgisayarlı görü, ray hatlarını izinsiz girişler için gerçek zamanlı olarak izlemek için de kullanılıyor. Bu, yalnızca 2023 yılında Amerika Birleşik Devletleri'nde bildirilen 995 demiryolu kaynaklı ölümle ciddi bir endişe kaynağıdır. Bu olayların çoğu, geleneksel izleme yöntemlerinin genellikle sınırlı olduğu bir alan olan raylara yetkisiz erişimi içeriyordu.

Bunu ele almak için, Amerika Birleşik Devletleri'ndeki demiryolları bilgisayarlı görü çözümlerini benimsemeye başlıyor. Bu sistemler, izinsiz giriş, ray tıkanıklıkları ve olası sinyal ihlalleri gibi olayları tespit etmek için yapay zeka modelleri tarafından analiz edilen canlı video yayınlarını kullanır. Bu sorunları oluştukları anda tanımlayarak sistem, ekiplerin hizmet aksamadan veya güvenlik riske girmeden önce hızla yanıt vermesine yardımcı olur.

Belirli aralıklarla gerçekleşen manuel denetimlerin aksine, bilgisayarlı görü sistemleri ağ genelinde sürekli, gerçek zamanlı izleme sağlar. Bir tehdit algılandığında operatörlere anında uyarı gönderilerek hızlı ve hedefe yönelik müdahalelere olanak tanınır. Bu, gelişmiş durumsal farkındalık, daha hızlı müdahale ve önlenebilir olayların neden olduğu daha az gecikme sağlar.

Link to this sectionGörü tabanlı Yapay Zeka ile gıda güvenliği izleme#

Her gün, hijyenin en önemli öncelik olduğu trenlerde ve istasyonlarda milyonlarca öğün yemek hazırlanıp servis ediliyor. Hindistan'da, Indian Railway Catering and Tourism Corporation (IRCTC), dünyadaki en büyük demiryolu yemek ağlarından birini yönetiyor.

Yakın zamana kadar hijyen kontrolleri manuel olarak yapılıyordu, bu da her mutfağı her zaman izlemeyi zorlaştırıyordu. İşleri daha verimli ve güvenilir hale getirmek için IRCTC, gıda güvenliği uygulamalarını gerçek zamanlı olarak gözleyen bir görüntü tabanlı yapay zeka sistemi başlattı.

Sistem, mutfaklardaki ve yemek hazırlama alanlarındaki mevcut CCTV kameralarına bağlanır. Personelin ellerini yıkamaması, eldiven veya saç filesinin eksik olması ya da temiz olmayan çalışma istasyonları gibi yaygın hijyen sorunlarını tespit etmek üzere eğitilmiş yapay zeka modellerini kullanır.

Kullanıma sunulduğundan beri sistem, hijyen standartlarını iyileştirmeye ve personelin sadece prosedürleri kontrol etmek yerine yemek hazırlamaya daha fazla odaklanarak gıda güvenliğini korumasına yardımcı oldu.

Link to this sectionDemiryolu operasyonlarında bilgisayarlı görünün artıları ve eksileri#

Bilgisayarlı görü, demiryolu sistemlerinde güvenlik, bakım ve günlük operasyonları iyileştirme konusunda çeşitli avantajlar sunar. İşte temel avantajlardan bazıları:

• Kestirimci bakım: Raylardaki ve altyapıdaki aşınma veya hasarın erken belirtilerini tespit ederek, görüntü tabanlı yapay zeka, arızalar meydana gelmeden önce önlenmesine yardımcı olabilir.
• 7/24 izleme: İnsan denetçilerin aksine, bilgisayarlı görü sistemleri yorulmadan veya vardiya değişimi olmadan sürekli olarak çalışabilir.
• Ölçeklenebilirlik: Uygulandığında, aynı sistem minimum ek çabayla daha fazla istasyonu, treni veya operasyonel bölgeyi kapsayacak şekilde genişletilebilir.

Görü tabanlı yapay zekanın demiryolu ulaşımına getirdiği birçok olumlu yöne rağmen, bu sistemlerin konuşlandırılmasında ve sürdürülmesinde hala zorluklar mevcuttur. İşte dikkate alınması gereken birkaç dezavantaj:

• Gizlilik endişeleri: Kamusal alanlarda sürekli gözetim, yolcular ve personel arasında etik sorunlara ve rahatsızlığa yol açabilir.
• Yüksek başlangıç maliyeti: Kameralar, sunucular ve yapay zeka yazılımları dahil olmak üzere bir Görü tabanlı Yapay Zeka sistemi kurmak önemli miktarda ön yatırım gerektirir.
• Karmaşık entegrasyon: Bilgisayarlı görü sistemlerinin eski sinyalizasyon veya kontrol sistemleri gibi mevcut altyapıyla entegre edilmesi teknik açıdan zorlayıcı olabilir.

Link to this sectionÖne çıkanlar#

Demiryolu ağları büyüdükçe, güvenilir içgörüler sağlayan gerçek zamanlı sistemlere olan talep artıyor. Bilgisayarlı görü sistemleri, operatörlerin sorunlara hızlı ve doğru bir şekilde yanıt vermesine yardımcı olmak için nesne algılama, yapısal kontroller ve gerçek zamanlı uyarılar kullanır.

Yapay zeka araçları günlük operasyonları iyileştirir ve ayrıca uzun vadeli bakım maliyetlerini ve güvenlik risklerini düşürür. Bu araçlar geliştikçe, yapay zeka demiryolu sistemlerini daha verimli, duyarlı ve güvenli hale getirmede etkili bir rol oynamaya hazırlanıyor.

Büyüyen topluluğumuza katıl! Yapay zeka hakkında daha fazla bilgi edinmek için GitHub depomuzu keşfet. Bilgisayarlı görü projelerine başlamaya hazır mısın? Lisanslama seçeneklerimize göz at. Çözümler sayfalarımızı ziyaret ederek tarımda yapay zeka ve sağlık hizmetlerinde Görü tabanlı Yapay Zeka hakkında bilgi edin!